Najlepšie úlohy strojového učenia

Obsah

• Čo je to strojové učenie?
• Odvetvia využívajúce strojové učenie
• Ako strojové učenie mení pracovisko
• Chcete kariéru v strojovom vzdelávaní?
• Pracovné tituly a zárobky
• Požiadavky na strojové učenie

Na vrchole správy spoločnosti Emerging Jobs USA z roku 2017 boli dve povolania v oblasti strojového učenia: strojový učiteľ a vedec údajov. Zamestnanosť strojných inžinierov vzrástla medzi rokmi 2012 a 2017 9,8-krát a pracovné miesta vedcov údajov sa za rovnaké päťročné obdobie zvýšili 6,5-krát. Ak bude trend pokračovať, budú mať tieto povolania vyhliadky na zamestnanie, ktoré predbehnú mnohé iné povolania. Mohla by byť pre vás taká budúcnosť taká práca v tejto oblasti?

Čo je to strojové učenie?

Strojové učenie (ML) je presne to, čo znie. Táto technológia spočíva vo výučbe strojov na vykonávanie konkrétnych úloh. Na rozdiel od tradičného kódovania, ktoré poskytuje pokyny počítačom, čo majú robiť, ML im poskytuje údaje, ktoré im umožňujú prísť na to sami, podobne ako by to robila ľudská bytosť alebo zviera. Znie to ako mágia, ale nie je. Zahŕňa to interakciu počítačových vedcov a ostatných s príslušnou odbornosťou. Títo odborníci v oblasti IT vytvárajú programy nazývané algoritmy - súbory pravidiel, ktoré riešia problém - a potom im dodávajú veľké súbory údajov, ktoré ich učia robiť predpovede na základe týchto informácií.

Strojové učenie je „podmnožina umelej inteligencie, ktorá umožňuje počítačom vykonávať úlohy, na ktoré neboli výslovne naprogramované“ (Dickson, Ben. Zručnosti, ktoré potrebujete, aby ste sa dostali k strojovej výučbe. Vyhľadávač kariéry. 18. januára 2017.) V priebehu rokov sa to stalo komplikovanejším, ale bežnejším. Steven Levy v článku, ktorý hovorí o stanovovaní priorít spoločnosti Google pri strojovom učení a rekvalifikácii inžinierov spoločnosti, píše: „Strojové učenie bolo po mnoho rokov považované za špecializovanú, obmedzenú pre elitu. Táto éra sa skončila, keďže posledné výsledky naznačujú, že strojové učenie, poháňané „nervovými sieťami“, ktoré napodobňujú fungovanie biologického mozgu, je skutočnou cestou k tomu, aby počítačom boli dodané sily ľudí, av niektorých prípadoch aj super človeka “( Levy, Steven. Ako spoločnosť Google predstiera, že je spoločnosť káblovaná ako prvá spoločnosť zapojená do siete (22. júna 2016).

Ako sa strojové učenie používa v „skutočnom svete“? Väčšina z nás sa s touto technológiou stretáva každý deň bez toho, aby ju príliš premýšľala. Ak používate Google alebo iný vyhľadávací nástroj, výsledky, ktoré sa objavia v hornej časti stránky, sú výsledkom strojového učenia. Prediktívny text, ako aj niekedy poškodená funkcia automatického opravy v aplikácii na posielanie textových správ na vašom inteligentnom telefóne sú tiež výsledkom strojového učenia. Odporúčané filmy a piesne na serveroch Netflix a Spotify sú ďalšími príkladmi toho, ako používame túto rýchlo rastúcu technológiu, pričom si ju sotva všimneme. Spoločnosť Google nedávno predstavila službu Smart Answer v službe Gmail. Na konci správy predstavuje používateľovi tri možné odpovede na základe obsahu. Uber a ďalšie spoločnosti v súčasnosti testujú vozidlá s vlastným riadením.

Odvetvia využívajúce strojové učenie

Využitie strojového učenia siaha ďaleko za hranice technologického sveta. SAS, analytická softvérová spoločnosť, uvádza, že túto technológiu zaviedlo mnoho priemyselných odvetví. Odvetvie finančných služieb využíva ML na identifikáciu investičných príležitostí, na informovanie investorov, kedy obchodovať, na identifikáciu klientov s vysokorizikovými profilmi a na odhalenie podvodov. V zdravotníctve algoritmy pomáhajú diagnostikovať choroby zachytením abnormalít.

Už ste niekedy položili otázku: „Prečo sa na každej navštívenej webovej stránke zobrazuje reklama na tento produkt, na ktorú uvažujem? ML umožňuje odvetviu marketingu a predaja analyzovať spotrebiteľov na základe ich histórie nákupu a vyhľadávania. Prispôsobenie tejto technológie v dopravnom priemysle zisťuje potenciálne problémy na trasách a pomáha ich zefektívňovať. Vďaka ML môže ropný a plynárenský priemysel identifikovať nové zdroje energie (strojové učenie: čo to je a na čom záleží. SAS).

Ako strojové učenie mení pracovisko

Predpovede o tom, že stroje prevezmú všetky naše pracovné miesta, sú už desaťročia, ale ML to konečne zrealizuje? Odborníci predpovedajú, že táto technológia má a bude aj naďalej meniť pracovisko. Ale pokiaľ ide o odstránenie všetkých našich pracovných miest? Väčšina odborníkov si nemyslí, že sa to stane.

Aj keď strojové učenie nemôže nahradiť človeka vo všetkých povolaniach, mohlo by to zmeniť veľa pracovných povinností, ktoré sú s nimi spojené. „Úlohy, ktoré zahŕňajú rýchle rozhodovanie založené na údajoch, sú vhodné pre programy ML; nie je tomu tak, ak rozhodnutie závisí od dlhých reťazcov uvažovania, rôznych základných vedomostí alebo zdravého rozumu,“ hovorí Byron Spice. Spice je riaditeľkou vzťahov s médiami v Carnegie Mellon Univerzita počítačovej vedy univerzity (Spice, Byron. Strojové učenie zmení zamestnanie. Univerzita Carnegie Mellon University. 21. decembra 2017).

Vo vedeckom časopise Erik Brynjolfsson a Tom Mitchell píšu: „Je pravdepodobné, že dopyt po pracovnej sile klesne o úlohy, ktoré sú blízkymi náhradami za schopnosti ML, zatiaľ čo je pravdepodobnejšie, že sa zvýšia o úlohy, ktoré sú doplnkami pre tieto systémy. systém prekračuje hranicu, v ktorej je úloha nákladovo efektívnejšia ako človek, podnikatelia a manažéri maximalizujúci zisk sa budú stále viac snažiť nahrádzať stroje ľuďmi. Môže to mať účinky na celé hospodárstvo, na zvýšenie produktivity, zníženie cien, presun dopytu po pracovnej sile, a reštrukturalizačné priemyselné odvetvia (Brynjolfsson, Erik a Mitchell, Tom. Čo môže strojové učenie robiť? Implikácie pracovnej sily. Veda. 22. decembra 2017).

Chcete kariéru v strojovom vzdelávaní?

Kariéra v strojovom vzdelávaní si vyžaduje odborné znalosti v oblasti informatiky, štatistiky a matematiky. Mnoho ľudí prichádza na toto pole s pozadím v týchto oblastiach. Mnoho vysokých škôl, ktoré ponúkajú odbor v strojovom vzdelávaní, má multidisciplinárny prístup s učebnými osnovami, ktoré okrem počítačovej vedy zahŕňajú aj elektrotechniku ​​a informatiku, matematiku a štatistiku (16 najlepších škôl pre strojové vzdelávanie. AdmissionTable.com).

Pre tých, ktorí už sú zapojení do odvetvia informačných technológií, prechod na prácu v oblasti ML nie je veľkým skokom. Možno už máte veľa zručností, ktoré potrebujete. Váš zamestnávateľ vám môže dokonca pomôcť pri tomto prechode. Podľa článku Stevena Levyho „v súčasnosti nie je veľa ľudí, ktorí sú odborníkmi v oblasti ML, takže spoločnosti ako Google a Facebook sú rekvalifikačnými inžiniermi, ktorých odbornosť spočíva v tradičnom kódovaní.“

Aj keď mnoho zručností, ktoré ste si vyvinuli ako profesionál v oblasti IT, prejde na strojové učenie, môže to byť trochu náročné. Dúfajme, že ste zostali hore počas svojich vysokoškolských štatistických tried, pretože ML sa spolieha na silné pochopenie tohto predmetu, ako aj na matematiku. Levy píše, že programátori musia byť ochotní vzdať sa úplnej kontroly nad programovaním systému.

Nemáte šťastie, ak váš technický zamestnávateľ neposkytuje ML preškolenie spoločnosti Google a Facebook. Vysoké školy a univerzity, ako aj online vzdelávacie platformy ako Udemy a Coursera, ponúkajú kurzy, ktoré učia základy strojového učenia. Je však dôležité doplniť svoje odborné znalosti o štatistiku a matematické triedy.

Pracovné tituly a zárobky

Hlavnými názvami pracovných miest, s ktorými sa stretnete pri hľadaní zamestnania v tejto oblasti, sú strojový učiteľ a vedec údajov.

Inžinieri strojového učenia „riadia operácie projektu strojového vzdelávania a zodpovedajú za správu infraštruktúry a dátových potrubí potrebných na výrobu kódu.“ Vedci údajov sú skôr na strane údajov a analýz vyvíjajúcich sa algoritmov než na strane kódovania. Tiež zhromažďujú, čistia a pripravujú údaje (Zhou, Adelyn. „Názvy pracovných miest v oblasti umelej inteligencie: Čo je inžinier strojového učenia?“ Forbes. 27. november 2017).

Na základe príspevkov od ľudí pracujúcich v týchto pracovných pozíciách Glassdoor.com uvádza, že inžinieri a vedci v oblasti údajov ML získavajú priemerný základný plat 120 931 dolárov. Platy sa pohybujú v rozmedzí od 87 000 dolárov až po najvyššie 158 000 dolárov (platy strojného učiteľa. Glassdoor.com. 1. marca 2018). Aj keď Glassdoor tieto tituly zoskupuje, medzi nimi existujú určité rozdiely.

Požiadavky na strojové učenie

Inžinieri ML a vedci údajov vykonávajú rôzne práce, ale medzi nimi sa veľa prekrýva. Oznámenia o pracovných pozíciách pre obidve pozície majú často podobné požiadavky. Mnoho zamestnávateľov uprednostňuje bakalárske, magisterské alebo doktorandské štúdium v ​​odbore informatiky alebo inžinierstva, štatistiky alebo matematiky.

Ak sa chcete stať strojovým učiteľom, budete potrebovať kombináciu technických zručností - zručností získaných v škole alebo na pracovisku - a mäkkých zručností. Mäkké zručnosti sú schopnosti, ktoré sa v učebni nenaučia, ale namiesto toho sa rodia so životnými skúsenosťami alebo ich získavajú. Opäť existuje veľké prekrývanie požadovaných zručností pre technikov ML a vedcov údajov.

Oznámenia o pracovných pozíciách ukazujú, že tí, ktorí pracujú v inžinierskych úlohách ML, by mali byť oboznámení s rámcami strojového učenia, ako sú TensorFlow, Mlib, H20 a Theano. Potrebujú silné znalosti v oblasti kódovania vrátane skúseností s programovacími jazykmi ako Java alebo C / C ++ a skriptovacími jazykmi ako Perl alebo Python. Medzi technické parametre patria aj odborné znalosti v oblasti štatistiky a skúseností s používaním štatistických softvérových balíkov na analýzu veľkých súborov údajov.

Rôzne mäkké zručnosti vám umožnia uspieť v tejto oblasti. Medzi ne patrí flexibilita, prispôsobivosť a vytrvalosť. Vývoj algoritmu vyžaduje veľa pokusov a omylov, a preto trpezlivosť. Jeden musí otestovať algoritmus, aby zistil, či to funguje, a ak nie, vyvinúť nový.

Vynikajúce komunikačné schopnosti sú nevyhnutné. Odborníci na strojové učenie, ktorí často pracujú v tímoch, potrebujú vynikajúce schopnosti počúvať, hovoriť a medziľudské vzťahy, aby mohli spolupracovať s ostatnými, a musia svoje zistenia prezentovať aj svojim kolegom. Okrem toho by mali byť aktívnymi študentmi, ktorí môžu do svojej práce začleniť nové informácie. V priemysle, v ktorom sa oceňuje inovácia, musí byť človek vynikajúci.